論文の概要: Where Did the Light Come From? Diagnosing Cast-Shadow Reasoning in VLMs and Borrowing the Missing Shadow Prior from Image Generation Models

• arxiv url: http://arxiv.org/abs/2610.30740v1
• Date: Thu, 22 Oct 2026 05:11:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.217914
• Title: Where Did the Light Come From? Diagnosing Cast-Shadow Reasoning in VLMs and Borrowing the Missing Shadow Prior from Image Generation Models
• Title（参考訳）: 光はどこから来たのか? VLMの鋳型シャドウ推論を診断し、画像生成モデルに先立って影をぼかす
• Abstract要約: 影を理解するモデルは、影の向きを読むだけでなく、影がないときに影が落ちる場所を推測することもできる。 本稿では、実際の写真から構築したShadowBenchを紹介し、これら3つの質問を視覚言語モデル(VLM)に適用する。 それぞれのシーンから、正しいシャドウ、シャドウ除去、人間に注釈を付けた間違った方向状態を構築する。
• 参考スコア（独自算出の注目度）: 11.394197832437198
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Shadows are observable consequences of latent physical causes, arising from the interaction between illumination, object geometry, and scene structure. A model that understands shadows should be able not only to read a shadow's direction, but also to infer where a shadow should fall when it is absent, and to judge whether a shadow is physically consistent with the scene. We introduce ShadowBench, built from real photographs, which poses these three questions to vision-language models (VLMs). From each scene, we build a correct-shadow, a shadow-removed, and a human-annotated wrong-direction state. Evaluating 19 open VLMs (2B to 78B) and frontier proprietary models, we find that VLMs read a visible shadow's direction well above chance and improve with scale, yet infer the absent direction only weakly and fall to chance at judging physical consistency even under a bias-free two-alternative test that removes the yes-bias of single-image naturalness questions. Only Gemini-3.1-pro exceeds chance on validity, and even then only modestly and far below humans. Chain-of-Thought (CoT) does not help. The missing ingredient is not reasoning but knowledge that image generation models (IGMs) already hold. Routing a VLM through an IGM lifts its inference well above its direct attempt and helps it flag the wrong-direction shadows it otherwise accepts. Cast-shadow direction is a single facet of illumination understanding, but the sharp gap it reveals between VLMs and IGMs suggests image-generation or reconstruction objectives as a route toward illumination-aware VLMs.
• Abstract（参考訳）: 影は、照明、物体幾何学、シーン構造の間の相互作用から生じる、潜伏した物理的原因の観測可能な結果である。 影を理解するモデルは、影の向きを読み取るだけでなく、影が不在時にどこに落ちるべきかを推測し、影がシーンと物理的に一致しているかどうかを判断する。 本稿では、実際の写真から構築したShadowBenchを紹介し、これら3つの質問を視覚言語モデル(VLM)に適用する。 それぞれのシーンから、正しいシャドウ、シャドウ除去、人間に注釈を付けた間違った方向状態を構築する。 19個のオープンなVLM (2Bから78B) とフロンティアプロプライエタリモデルを評価し、VLMはチャンスをはるかに上回って目に見える影の方向を読み、スケールで改善するが、欠落した方向は弱くしか予測できず、偏見のない2変質テストの下でも物理的一貫性を判断する確率が低下する。 Gemini-3.1-pro のみが有効性を超え、その上、人間よりわずかに、そしてはるかに低いだけである。 CoT (Chain-of-Thought) は役に立たない。 欠けている要素は推論ではなく、画像生成モデル(IGM)がすでに持っている知識だ。 IGMを通してVLMをルーティングすると、その推論は直接の試みよりもはるかに高くなり、それが受け入れる間違った方向影にフラグを付けるのに役立つ。 カーストシャドウ方向は照明理解の一面であるが、VLMとIGGの鮮明なギャップは、照明認識VLMへの道筋として画像生成や再構成の目的を示唆している。

関連論文リスト

• Physics-Grounded Shadow Generation from Monocular 3D Geometry Priors and Approximate Light Direction [48.727438709248]
  影の形成の物理学において、オクルーダーは、それ以外は表面に到達するであろう光源から放たれるいくつかの光線を遮蔽し、オクルーダーのシルエットに続く影を形成する。 そこで本研究では,物理モデル(幾何学と照明)を深層学習に基づく影生成に組み込む新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-05T21:52:23Z)
• Estimating Reflectance Layer from A Single Image: Integrating Reflectance Guidance and Shadow/Specular Aware Learning [66.36104525390316]
  本稿では,2段階の学習手法を提案し,その課題に対処するためのリフレクタンスガイダンスとシャドウ/スペック・アウェア(S-Aware)ネットワークを提案する。 第1段階では、新規な損失の制約を伴い、影や特異性のない初期反射層を得る。 第二段改良において、反射層が影や特異点に依存しないようにさらに強制するために、入力画像と反射像を区別するS-Awareネットワークを導入する。
  論文  参考訳（メタデータ） (2022-11-27T07:26:41Z)
• DeS3: Adaptive Attention-driven Self and Soft Shadow Removal using ViT Similarity [54.831083157152136]
  本稿では,適応的注意とViT類似性に基づいて,ハード,ソフト,セルフシャドーを除去する手法を提案する。 提案手法はSRD, AISTD, LRSS, USR, UIUCデータセットの最先端手法より優れている。
  論文  参考訳（メタデータ） (2022-11-15T12:15:29Z)
• Physics-based Shadow Image Decomposition for Shadow Removal [36.41558227710456]
  陰影除去のための新しい深層学習法を提案する。 影形成の物理モデルにインスパイアされ、線形照明変換を用いて画像内の影効果をモデル化する。 最も困難なシャドウ除去データセットでフレームワークをトレーニングし、テストします。
  論文  参考訳（メタデータ） (2020-12-23T23:06:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。